CNN 算法中权重调整过程详细推导
卷积神经网络(CNN)训练的过程是:信号由输入层输入,
经隐含层(至少一层),最后由输出层输出。为了使得输出的结
果与期望值间的误差最小,我们需要对每层的权重参数进行调
整,调成的过程是:利用输出值与期望值之间的误差,由输出
层经隐含层到输入层,进行每层的误差计算,这个过程其实就
是反向传播网络 BP(Back Propagation)的计算过程。
BP(Back Propagation) 网络是 1986 年由 Rumelhart 和
McCelland 为首的科学家小组提出,是一种按误差逆传播算法
训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。
BP 学习网络能学习和存储大量的输入-输出模式映射关系,而
事前无需揭示这种映射关系的数学方程。它的学习规则是使用
梯度下降法,通过反向传播不断调整网络的权重和阈值,使网
络的误差平方和最小。